罗永浩：烧了很多钱，证实十年内AR眼镜都不太可能商业化，代价非常昂贵

小甲鱼的二师兄

在AGI Playground 2025上，罗永浩透露，自己的新公司用了一年多的时间，烧了很多钱，证实十年内 AR 眼镜都不太可能商业化，但是这个代价是非常昂贵的。

然后又花了一年多的时间做 AI 的软硬件结合方案，但是硬件没出问题，上个时代软件从来不出问题，永远都是硬件出问题，然后这次是硬件没出问题，软件出了工程灾难。

FishC

罗永浩：烧了很多钱，证实十年内AR眼镜都不太可能商业化，代价非常昂贵
在AGI Playground 2025上，罗永浩透露，自己的新公司用了一年多的时间，烧了很多钱，证实十年内 AR 眼镜都不太可能商业化，但是这个代价是非常昂贵的。

然后又花了一年多的时间做 AI 的软硬件结合方案，但是硬件没出问题，上个时代软件从来不出问题，永远都是硬件出问题，然后这次是硬件没出问题，软件出了工程灾难。

从技术角度简单分析这两点：

一、AR眼镜为何十年内难商业化？
主要受限于四大技术瓶颈：

• 1. 显示技术：需兼顾高分辨率、大视场角（FOV）和轻薄化，当前技术无法同时满足
• 2. 续航问题：实时3D渲染+传感器运算耗电巨大，但微型电池容量有限
• 3. 算力限制：移动端芯片难以支撑SLAM（实时定位与地图构建）等复杂计算
• 4. 成本过高：光波导镜片等核心部件良品率低，单副成本超3000元
  

这些技术迭代需长期投入，短期内无法达到消费级产品要求。

二、软件工程灾难的常见原因
在AI软硬件项目中，软件问题通常源于：

• 1. 系统复杂度爆炸：多模块（数据流/算法/控制）集成时接口混乱
• 2. 实时性缺陷：硬件采样率100Hz时，软件处理延迟超50ms即失效
• 3. 内存泄漏：长时间运行后崩溃，例如：
  
  1. // 伪代码示例：未释放的缓存
     
  2. while(true) {
     
  3.     buffer = malloc(1024);  // 每次循环分配新内存
     
  4.     process_data(buffer);   // 但未释放
     
  5. }

  复制代码
  
  
• 4. 算法部署失败：实验室AI模型在真实硬件上跑不动
  

简言之：AR的硬件瓶颈在物理极限，而AI软件失败多在系统工程管理。两者都说明技术落地远比设想复杂。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

tomok

有人用思维证明，有人用烧钱证明

爬虫121

老罗，跟他的锤子一样，敢于啃硬骨头